被写进无数畅销书、职场培训和短视频的心理学定律，可能是统计假象。
上周，一篇 2020 年的旧文章重新冲上 Hacker News 首页，110 分、112 条评论，吵成一团。文章出自加拿大麦吉尔大学（McGill University）科学与社会办公室，作者 Jonathan Jarry 为了核实一个「拍脑袋就能成立的常识」掉进了文献的兔子洞，结论很刺耳：大众熟知的达克效应（Dunning-Kruger effect）——「越无知的人越自信」——可能只是数据玩出来的把戏。
这个效应本来是什么
1999 年，康奈尔大学（Cornell University）的 Justin Kruger 和 David Dunning 在《人格与社会心理学杂志》上发表论文《Unskilled and Unaware of It》。大学生们做完语法、幽默感、逻辑推理测试后，先估计自己能得多少分，再和真实成绩对比。结果发现：成绩垫底的那批人普遍高估自己（实得 15%，自估 60%），成绩最好的一批人反而略微低估自己（自估 70%，实得 90%）。第二年，这篇论文拿了搞笑诺贝尔奖（Ig Nobel Prize）。
大众传播把这一发现简化成一条曲线和四个阶段：愚昧之巅、绝望之谷、开悟之坡、平稳高原——「不知道自己不知道」的人站在愚昧之巅。这套说法流传极广，但原文里并没有这四个阶段，那是后来的网络二次创作。
更常被忽略的是 Dunning 本人的话。他在给 Jarry 的回信里写：「这个效应讲的是我们自己，不是别人。」它本来的意思是：任何人，在任何一个自己不擅长的领域，都容易高估自己。它从来不是「嘲笑傻子」的许可证。
那张图是怎么画出来的
问题出在那张著名的曲线上。原始实验里，每个学生有两个数据点：自估分和实得分。Dunning 和 Kruger 把所有学生按实际成绩分成四组（四分位，quartile），每组算出两个平均值，连成两条线。
图：原始论文按成绩四分位画的「自估分 vs 实得分」曲线，最差组高估、最好组低估。来源：mcgill.ca
看起来铁证如山：差生不知道自己是差生。
问题是，这张图不需要「人」也能画出来。统计学家 Ed Nuhfer 团队 2016、2017 年在数学期刊 Numeracy 上发表两篇论文：用计算机生成的纯随机数据，画出了几乎一模一样的图。麦吉尔文章的作者请心理学家 Patrick McKnight 复现——McKnight 原本是达克效应的信徒，还在课堂上拿它教育学生。他用 R 语言跑完模拟，改口了。再往前翻，2002 年 Ackerman 团队就做过类似的模拟，当时没引起什么注意。
图：McKnight 用纯随机数据模拟出的曲线，与原始论文几乎一致。来源：mcgill.ca
为什么随机数据能伪装成心理学定律
这就要说到回归均值（regression to the mean）。
用考试运气讲最清楚：你平时模拟考 80 分上下，某次只考了 60 分——大概率是状态差、运气差，下次自然会回升；某次超常考了 95 分，下次大概率回落。表现越极端，运气成分越大，下一次越倾向回到自己的平均水平。体育里的「新秀墙」、球员第二年数据回落、发烧第二天体温降下来，都是同一个道理。
达克效应的数据里藏着同一种机制，只是方向反着来：自评分数和真实成绩并不完全对应，自评里混着大量噪声——当天心情、自我感觉、对题目的熟悉程度。噪声一多，一个近乎必然的几何效应就出现了：考得最差的人，自评时只能往上偏（往下的空间几乎没有）；考得最好的人，只能往下偏。 不需要任何心理偏差，只要「真实水平」和「自评」不是完全吻合，画出来的图就是达克曲线。
HN 评论区有人把这个讲得最透：低分区的人没法再低估自己，高分区的人没法再高估自己，两组数据只要不是完全相关，这条曲线自己就会长出来。真正值得研究的是曲线之外的非线性部分——而目前的数据里，那部分很弱。
2020 年，Gignac 和 Zajenkowski 在《Intelligence》期刊发表论文，用智商自评数据做了更严格的分析，标题就叫《达克效应（大部分）是统计假象》。用更合理的方法检验，效应基本消失。他们的模拟还显示：测量误差越大，达克效应看起来越强。科学史上很少有「误差越大、结论越强」的先例，这一点本身就值得警惕。
争论没结束：两派都有弹药
质疑方不只有 Nuhfer。支持方也陆续反击，这场架打了五年还没打完：
| 质疑派 | 支持派 |
|---|---|
| Nuhfer 等 2016/2017：随机数据即可复现效应 | Dunning 团队回应：2002、2008 年的研究直接检验过回归均值，排除噪声后效应仍在 |
| Ackerman 等 2002：模拟显示类似结果 | Jensen 等 2021：两项研究、各 3500 多名被试，元认知解释得到支持 |
| Gignac & Zajenkowski 2020：效应（大部分）是统计假象 | Dunkel 等 2023：换方法重新分析同一批数据，效应显著，只是极小 |
| Hiller 2023：反过来质疑 G&Z 的数据处理方式 | 2025 年 Dunning 在英国心理学会撰文辩护 |
目前最接近的共识，大概是一个不那么戏剧化的折中：达克效应可能真实存在，但被严重夸大了。 它作为「大部分人都看不清自己」的普遍规律站不住脚，作为「少数人严重高估自己」的现象还有证据——Nuhfer 的数据里，符合「又差又不知道」的人大约只有 5-6%。
对普通人意味着什么
第一，别拿「达克效应」给人贴标签。一个人自信满满地说错话，不一定是达克效应，也可能只是过度自信偏差（overconfidence bias），或者「优于平均」错觉——超过八成司机认为自己的车技高于平均水平。这些效应是真实存在的，心理学不需要达克效应来解释「世上存在自信的蠢人」。
第二，Dunning 那句「这个效应讲的是我们自己」，反而是全文最值得记住的话。在你不熟悉的领域，自我感觉最不可靠。正因为如此，外部反馈才值钱：考试分数、体检报告、同事的评审、市场的检验，都比「我觉得我懂了」可靠。
第三，对任何「听起来太舒服」的心理学常识保持一点怀疑。达克效应流行了二十年，因为故事太好听——它让每个人都能居高临下地说「看，那个人不知道自己不知道」。一个结论越让人舒服，越值得问一句：原始数据是这么说的吗？
笔者倾向认为，作为「越无知越自信」的大众传说，达克效应被数据复查削弱得很厉害；但作为一场持续二十多年的科学争论，它还没到终局。心理学家和统计学家吵了这么多年，本身就是给普通人的一堂课：结论越漂亮，越要回去看原始数据。这大概也是那篇 2020 年的旧文章，今天还能在 Hacker News 吵出 112 条评论的原因。
参考链接：
- McGill OSS: The Dunning-Kruger effect may just be a data artefact
- HN 讨论 (item?id=49160437)
- Kruger & Dunning (1999): Unskilled and Unaware of It
- Gignac & Zajenkowski (2020): The Dunning-Kruger effect is (mostly) a statistical artefact
- Nuhfer 等 (2016/2017): Numeracy 期刊两篇论文
- Dunkel 等 (2023): Reevaluating the Dunning-Kruger effect
- Dunning (2025): The Dunning-Kruger effect and its discontents（英国心理学会）
